logo móvil
Contáctanos

Mejorando la Evaluación de la Erosión Eólica de Estructuras Metálicas en Tierras Secas y Degradadas a Través del Aprendizaje Automático

Autores: Terrados-Cristos, Marta; Ortega-Fernández, Francisco; Díaz-Piloñeta, Marina; Montequín, Vicente Rodríguez; Cabal, José Valeriano Álvarez

Idioma: Inglés

Editor: MDPI

Año: 2023

Descargar PDF

Acceso abierto

Artículo científico
2023

Mejorando la Evaluación de la Erosión Eólica de Estructuras Metálicas en Tierras Secas y Degradadas a Través del Aprendizaje Automático


Categoría

Ciencias Medioambientales

Subcategoría

Ciencias medioambientales generales

Palabras clave

Aumento de actividades de construcción
Tierras secas o degradadas
Estructuras metálicas
Prevención de la corrosión
Abrasión
Objetivos de desarrollo sostenible

Licencia

CC BY-SA – Atribución – Compartir Igual

Consultas: 1

Citaciones: Sin citaciones


Descripción
Con el aumento de las actividades de construcción en tierras secas o degradadas afectadas por la acción de partículas impulsadas por el viento, la deterioración de las estructuras metálicas en tales entornos se convierte en una preocupación urgente. En el diseño y mantenimiento de estructuras metálicas al aire libre, el énfasis ha estado principalmente en prevenir la corrosión, mientras que se ha dado menos consideración a la abrasión. Sin embargo, la importancia de la abrasión, que está estrechamente relacionada con el terreno, no debe subestimarse. Tiene relevancia en dos aspectos clave: apoyar la consecución de los objetivos de desarrollo sostenible y ayudar en la planificación del suelo. Este estudio tiene como objetivo abordar este problema desarrollando un modelo predictivo que evalúe la posible pérdida de material en estos terrenos, utilizando una combinación de estudios de caso de la literatura y datos experimentales. La metodología implica un análisis exhaustivo de la literatura, la recopilación de datos de pruebas de impacto directo y la implementación de un algoritmo de aprendizaje automático utilizando splines de regresión adaptativa multivariante (MARS) como modelo predictivo. Los datos experimentales se validan y verifican, resultando en una tasa de precisión del 98% con un error relativo por debajo del 15%. Este logro sirve a dos objetivos principales: proporcionar información valiosa para anticipar la pérdida de material en nuevos diseños de estructuras basados en las condiciones del suelo prospectivas y permitir un mantenimiento efectivo de las estructuras existentes, promoviendo en última instancia la resiliencia y la sostenibilidad.

Otros recursos que podrían interesarte

Temas Virtualpro